犯罪预测数据挖掘技术的实证与实验洞察：综合综述
机器学习
2024-03-05 v1 人工智能
摘要
本综述论文对犯罪预测方法进行了全面分析，探讨了该领域使用的各种技术和工具。论文涵盖了用于分析犯罪数据的统计方法、机器学习算法和深度学习技术，同时考察了它们的有效性和局限性。我们提出了一种方法学分类法，将犯罪预测算法归类为特定技术。该分类法分为四个层级，包括方法类别、方法子类别、方法技术和方法子技术。提供了实证和实验评估以对不同技术进行排名。实证评估基于四个标准评估犯罪预测技术，而实验评估则对采用相同子技术的算法、采用相同技术的不同子技术、采用相同方法子类别的不同技术、同一类别内的不同方法子类别以及不同的方法类别进行排名。方法学分类法、实证评估和实验比较的结合，使得对犯罪预测算法有了细致而全面的理解，有助于研究人员做出明智的决策。最后，论文展望了犯罪预测技术的未来，强调了该领域潜在的进步和进一步研究的机会。
引用
@article{arxiv.2403.00780,
title = {Empirical and Experimental Insights into Data Mining Techniques for Crime Prediction: A Comprehensive Survey},
author = {Kamal Taha},
journal= {arXiv preprint arXiv:2403.00780},
year = {2024}
}